背景
看到有人在问这个问题,拿来算算。
自从有了CSDN-MarkDown之后,写博客舒服多了,尤其是数学公式部分。
原理
推荐的参考书是:
Schaum’s outline of Probability and Statistics, 3rd Edition, 2009; 科学出版社2002年翻译出版了该书的第二版,所以有中文版。
Continuous Variables
- Theorem 1. Let
X
be a continuous random variable with probability density
f(x) . Let us define U=ϕ(X) , where X=ψ(U)=ϕ−1(U) (反函数存在). Then the probability density of U is given byg(u) , where:
g(u)|du|=f(x)|dx|
or
g(u)=f(x)∣∣∣dxdu∣∣∣=f[ϕ−1(u)]∣∣ψ′(u)∣∣
当连续随机变量是多维的情况下,联合分布密度函数是多元函数,这时候绝对值符号内对应于雅可比行列式。
Theorem 2. Let X and
Y be continuous random variables having joint density function f(x,y) . Let us define U=ϕ1(X,Y) , V=ϕ2(X,Y) , where X=ψ1(U,V),Y=ψ2(U,V) . Then the joint density function of U adnV is given by g(u,v) , where:g(u,v)|dudv|=f(x,y)|dxdy|
or
g(u,v)=f(x,y)∣∣∣∂(x,y)∂(u,v)∣∣∣=f(ψ1(u,v),ψ2(u,v))∣∣∣∣∣⎛⎝⎜⎜⎜∣∣∣∣∣∂ψ1∂u∂ψ2∂u∂ψ1∂v∂ψ2∂v∣∣∣∣∣Jacobian⎞⎠⎟⎟⎟∣∣∣∣∣abs
提示:“复合”函数 ϕi 的“反函数” ψi 解析表达式存在很关键;函数 ϕi 在计算中反而并未出现。
举例
Example 设 X 服从标准正态分布,则
Y=1X 服从何种分布(求概率密度函数)?如果存在,计算 Y 的数学期望。解:
直接套用 定理1 即可。
标准正态分布的概率密度函数:
f(x)=12π−−√e−x22 , 以及:
y=ϕ(x)=1x,x=ϕ−1(y)=ψ(y)=1y,从而 Y 的概率密度函数:
g(y)=f(x)∣∣∣dxdy∣∣∣=f(ϕ−1(y))∣∣∣∣∣∣d(1y)dy∣∣∣∣∣∣=e−12y22π−−√y2
用Mathematica比较下两个分布密度函数:
Plot[{E^(-(1/(2 x^2)))/(Sqrt[2 \[Pi]] x^2),E^(-(x^2/2))/Sqrt[2 \[Pi]]},{x,-5,5},PlotStyle->{Blue,Red},PlotPoints->150,AxesOrigin->{0,-.02},AxesStyle->Arrowheads[0.02],AxesLabel->{x,y},LabelStyle->Directive[Black,14,FontFamily->"Times"],TicksStyle->Directive[Black,14],AxesStyle->Directive[Black, 12],PlotLegends->{1/x,x}]
图中红色为标准正态概率密度函数,蓝色为其倒数对应随机变量的概率密度函数。看上去即有些意外,又很无可厚非。
y=0 这个点有些特殊,似乎会导致被积函数无意义;不过从双侧极限 y→±0 的角度,在 y=0 被积函数极限都为 0 。挖掉